論文の概要: An Embedded Real-Time License Plate Recognition System for Complex Traffic Scenes

• arxiv url: http://arxiv.org/abs/2606.27772v1
• Date: Fri, 26 Jun 2026 06:58:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.399795
• Title: An Embedded Real-Time License Plate Recognition System for Complex Traffic Scenes
• Title（参考訳）: 複合交通シーンのための組込みリアルタイムプレート認識システム
• Abstract要約: 本稿では,開発途上国向けにカスタマイズされたリアルタイムナンバープレート認識システムを提案する。 本手法は,複数車両画像上でのナンバープレート検出と,検出されたナンバープレート上での文字認識により構成する。 本稿では,スリランカの道路画像のSL-LPRデータセットについて紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicle license plate recognition is an integral component of intelligent transportation systems. In this work, we present an embedded real-time license plate recognition system customized for developing countries. We address the challenge of handling complex, unstructured traffic scenes with diverse vehicle types while implementing the system on an embedded platform for low-cost deployment. Our method consists of license plate detection on a multi-vehicle image, followed by character recognition on the detected license plates. Both steps use lightweight convolutional neural networks to balance accuracy and efficiency. We also introduce the SL-LPR dataset of Sri Lankan road images, which contains a variety of vehicle types and traffic conditions typically seen in developing countries. On this dataset, the license plate detection and character recognition models achieved 93.6% mAP and 87.88% accuracy, respectively, and were competitive against larger models on several public datasets. To achieve real-time performance in a resource-constrained embedded environment, we applied low-bitwidth quantization using the Brevitas library and implemented FPGA acceleration for the models using the FINN framework. The end-to-end system can operate at 11.5~FPS when implemented on the Xilinx Kria KV260 platform. These results demonstrate that our system is effective for real-time license plate recognition on an embedded device, even in complex traffic scenarios. The SL-LPR dataset is available for research use at: https://github.com/sl-lpr-uom/SL-LPR.git.
• Abstract（参考訳）: 車両ナンバープレート認識は、インテリジェントトランスポートシステムの不可欠なコンポーネントである。 本研究では,開発途上国向けにカスタマイズされたリアルタイムナンバープレート認識システムを提案する。 複雑な非構造的な交通シーンを多種多様な車両タイプで処理する上で,低コスト展開のための組込みプラットフォーム上でシステムを実装するという課題に対処する。 本手法は,複数車両画像上でのナンバープレート検出と,検出されたナンバープレート上での文字認識により構成する。 どちらのステップも、正確性と効率のバランスをとるために、軽量な畳み込みニューラルネットワークを使用する。 また,スリランカの道路画像のSL-LPRデータセットについても紹介した。 このデータセットでは、ライセンスプレートの検出と文字認識のモデルは、それぞれ93.6% mAPと87.88%の精度で達成され、いくつかの公開データセットでより大きなモデルと競合した。 資源制約のある組込み環境において,Brevitasライブラリを用いた低ビット幅量子化を適用し,FINNフレームワークを用いたモデルに対してFPGAアクセラレーションを実装した。 エンド・ツー・エンドのシステムはXilinx Kria KV260プラットフォーム上で11.5〜FPSで動作可能である。 これらの結果は,複雑な交通シナリオにおいても,組込みデバイス上でのリアルタイムナンバープレート認識に有効であることを示す。 SL-LPRデータセットは、https://github.com/sl-lpr-uom/SL-LPR.gitで研究用として利用可能である。

関連論文リスト

• A Robust Deep Learning Framework for Bangla License Plate Recognition Using YOLO and Vision-Language OCR [0.0]
  複雑な文字スキームと不均一なレイアウトのため、バングラナンバープレートの検出は依然として困難である。 本稿では,ライセンスプレートの局所化のためのディープラーニングに基づくオブジェクト検出モデルと,テキスト抽出のための光文字認識を統合した,堅牢なBanglaライセンスプレート認識システムを提案する。
  論文  参考訳（メタデータ） (2026-03-10T22:55:59Z)
• TransLPRNet: Lite Vision-Language Network for Single/Dual-line Chinese License Plate Recognition [1.1499574149885023]
  本稿では,軽量なビジュアルエンコーダとテキストデコーダを統合した統一型ソリューションを提案する。 複線ナンバープレートデータセットの不足を軽減するため,単線ナンバープレートデータセットを構築した。 提案アルゴリズムは、粗い局所化障害下での修正CCPDテストにおいて、平均認識精度99.34%を達成する。
  論文  参考訳（メタデータ） (2025-07-23T09:03:01Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• A Training-Free Framework for Video License Plate Tracking and Recognition with Only One-Shot [25.032455444204466]
  OneShotLPは、ビデオベースのライセンスプレートの検出と認識のためのトレーニング不要のフレームワークである。 広範なトレーニングデータなしで効果的に機能する機能と、さまざまなライセンスプレートスタイルへの適応性を提供する。 これは、インテリジェントトランスポートシステムにおける多様な現実世界のアプリケーションに事前訓練されたモデルを活用する可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-11T08:42:02Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Federated Deep Learning Meets Autonomous Vehicle Perception: Design and Verification [168.67190934250868]
  フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。 FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。 マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
  論文  参考訳（メタデータ） (2022-06-03T23:55:45Z)
• BLPnet: A new DNN model and Bengali OCR engine for Automatic License Plate Recognition [1.924182131418037]
  本稿では,ベンガル文字の自動ライセンスプレート認識(ALPR)システムについて報告する。 計算ニューラルネットワーク(CNN)ベースの新しいベンガルOCRエンジンにより、モデルは文字回転不変である。 リアルタイムビデオ映像に毎秒17フレーム(fps)を投入するモデルは、平均正方形誤差(MSE)0.0152の車両を検知でき、平均ナンバープレート文字認識精度は95%である。
  論文  参考訳（メタデータ） (2022-02-18T22:58:53Z)
• End-to-End License Plate Recognition Pipeline for Real-time Low Resource Video Based Applications [0.43012765978447565]
  リアルタイムの推論速度を実現するために、Vision APIと組み合わせた新しい2段階検出パイプラインを提案する。 私たちは、画像データセットと、野生のライセンスプレートを含むビデオデータセットに基づいて、モデルをトレーニングしました。 実時間処理速度(毎秒27.2フレーム)で妥当な検出・認識性能を観測した。
  論文  参考訳（メタデータ） (2021-08-18T18:31:01Z)
• Automatic Counting and Identification of Train Wagons Based on Computer Vision and Deep Learning [70.84106972725917]
  提案手法は費用対効果が高く,RFIDに基づく解を容易に置き換えることができる。 このシステムは、識別コードに損傷があるため、列車のワゴンの一部を自動的に拒絶することができる。
  論文  参考訳（メタデータ） (2020-10-30T14:56:54Z)
• Multi-scale Interaction for Real-time LiDAR Data Segmentation on an Embedded Platform [62.91011959772665]
  LiDARデータのリアルタイムセマンティックセグメンテーションは、自動運転車にとって不可欠である。 ポイントクラウド上で直接動作する現在のアプローチでは、複雑な空間集約操作を使用する。 本稿では,マルチスケールインタラクションネットワーク(MINet)と呼ばれるプロジェクションベースの手法を提案する。
  論文  参考訳（メタデータ） (2020-08-20T19:06:11Z)
• A Robust Attentional Framework for License Plate Recognition in the Wild [95.7296788722492]
  本稿では,ライセンスプレート認識のための堅牢なフレームワークを提案する。 ナンバープレート画像生成のためのCycleGANモデルと、プレート認識のための精巧な設計された画像系列ネットワークで構成されている。 われわれは、中国本土31州から1200枚の画像を含む新しいライセンスプレートデータセット「CLPD」をリリースした。
  論文  参考訳（メタデータ） (2020-06-06T17:11:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。